Modelling Multivariate Volatilities via Conditionally Uncorrelated Components
利用条件不相关分量建模多元波动率AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究多元波动率过程及其单变量波动率分量建模。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用条件不相关分量建模多元波动率
- 研究问题
- 如何以较少参数描述多元波动率矩阵，并将高维联合估计拆成较低维的问题，同时检验条件不相关分量是否存在？
- 方法与思路
- 作者提出条件不相关分量表示，各分量可分别采用适当的单变量波动率模型，并用自助法检验这类分量是否存在。
- 材料陈述的贡献
- 摘要称该表示具有简约性与建模灵活性，能够拆分高维优化问题；作者建立了分量估计的一致性，并提供模拟和真实数据示例。
- 阅读关注点
- 应核对条件不相关分量的定义、存在条件及识别方式，检查一致性证明的假设、自助检验的有效性和分量模型选择方法。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断表示适用的协方差结构、检验的有限样本表现及计算收益；也不能推断其他版本的变化。
原文摘要
Summary We propose to model multivariate volatility processes on the basis of the newly defined conditionally uncorrelated components (CUCs). This model represents a parsimonious representation for matrix-valued processes. It is flexible in the sense that each CUC may be fitted separately with any appropriate univariate volatility model. Computationally it splits one high dimensional optimization problem into several lower dimensional subproblems. Consistency for the estimated CUCs has been established. A bootstrap method is proposed for testing the existence of CUCs. The methodology proposed is illustrated with both simulated and real data sets.